针对离散Hopfield神经网络(DHNN)的权值设计问题，提出一种改进型学习算法，并在DHNN动力学分析的基础上设计该学习算法。利用矩阵分解的方法(MD)得到正交矩阵，并采用得到的正交矩阵直接计算DHNN的权值矩阵。通过该学习算法得到的权值矩阵，可以很好地存储训练样本的信息，使测试样本收敛到稳定点。该学习算法不需要进行分块计算，减少了计算步骤和计算量，降低了网络的迭代次数，从而提高了网络运行速度。最后，将该学习算法应用于水质评价，验证了其有效性和可行性。